Marque páginas PDF que precisam de OCR
Marque quatro páginas como texto, imagem, texto, imagem e descubra que a 2 e a 4 precisam de OCR, enquanto a 1 e a 3 já são pesquisáveis, com um resumo curto. Mande só essas páginas para o reconhecimento e deixe o resto. Grátis no seu navegador.
- Grátis
- Funciona no seu navegador
- Sem cadastro
- Seus dados não saem do seu aparelho
Executar grátis
Roda direto no seu navegador. Grátis, sem cadastro — seus dados não são enviados para lugar nenhum.
Muitos PDFs misturam páginas digitais nativas, já com camada de texto selecionável, com páginas digitalizadas que parecem boas na tela, mas não permitem copiar, pesquisar nem indexar. Antes de gastar orçamento com OCR de todo o documento ou de enviar o arquivo a um fluxo que assume texto extraível, você precisa da lista exata de números de página sem camada de texto. Esta capacidade aceita esse mapa booleano de presença—true quando a página tem texto extraível, false quando é só imagem—e devolve as páginas que precisam de OCR, as já pesquisáveis, contagens, a razão de OCR e um resumo de uma linha. Entrada vazia é rejeitada para que ninguém confunda silêncio com sucesso.
O que as flags de camada de texto significam e por que o OCR por página importa
Uma página PDF pode renderizar glifos que parecem texto e, ainda assim, armazenar apenas uma imagem raster por baixo. Ferramentas posteriores que chamam APIs de extração de texto recebem strings vazias, a busca de texto completo ignora a página, leitores de acessibilidade não anunciam nada útil e pipelines de arquivo que esperam texto nativo falham em silêncio. O remédio prático é o OCR, mas executá-lo em todas as páginas de um documento misto grande desperdiça tempo e dinheiro quando metade já tem camada de texto.
O contrato aqui é deliberadamente estreito: você já sabe—ou uma sonda leve já mediu—se cada página tem texto extraível. As flags são interpretadas na ordem do documento a partir da página um. Essa forma permite que um job em lote faça OCR só nas páginas marcadas, pule as já pesquisáveis e relate a cobertura sem reanalisar os bytes do PDF.
Casos de uso
Listas de trabalho de OCR seletivo
Transforme uma sonda de camada de texto por página em uma lista base um das páginas que ainda precisam de OCR, para jobs em lote pularem as já pesquisáveis.
Tickets de remediação de acessibilidade
Abra tickets no nível da página para páginas só imagem sem texto extraível, em vez de marcar o documento inteiro.
Perguntas frequentes
Os números de página começam em zero ou em um?
Em um, como as pessoas e a maioria das interfaces PDF numeram. A primeira flag é a página 1, a segunda a página 2, e assim por diante.
Esta capacidade abre ou faz OCR do arquivo PDF?
Não. Ela só analisa as flags booleanas de camada de texto que você fornece.
O que a proporção de OCR informa?
A parte do documento que ainda precisa de reconhecimento: as páginas sem texto divididas pelo total. Com quatro páginas e duas sem texto, a proporção é 0,5, ou seja, metade do documento.
Por que uma página que mostra texto pode precisar de OCR?
Porque o que aparece pode ser uma foto do texto. Páginas digitalizadas costumam parecer boas na tela, mas guardam só uma imagem, então copiar, pesquisar ou usar um leitor de tela não traz nada.
O que acontece se o valor de uma página for inválido?
A verificação para e informa essa página, contada a partir de um, para você corrigir a etapa que gerou a lista. Uma lista vazia também é recusada, para o silêncio não ser confundido com sucesso.
Ferramentas relacionadas
Para desenvolvedores — acesso via API
Tudo nesta página está disponível via API. Esta seção é para equipes que querem integrar a ferramenta aos próprios sistemas; quem não precisa disso pode simplesmente usar a ferramenta acima.
Endpoint
Autenticação por token Bearer. Um único POST coloca a tarefa na fila; o resultado chega por webhook ou link assinado.
Chame do seu código
curl -X POST https://api.kit.forhosting.com/pdf/searchable-ocr-flag \
-H "Authorization: Bearer $KIT_KEY" \
-H "Content-Type: application/json" \
-d '{"text_layer":[true,false,true,false]}'const res = await fetch("https://api.kit.forhosting.com/pdf/searchable-ocr-flag", {
method: "POST",
headers: {
"Authorization": `Bearer ${process.env.KIT_KEY}`,
"Content-Type": "application/json"
},
body: JSON.stringify({
"text_layer": [
true,
false,
true,
false
]
})
});
const { task_id } = await res.json();import os, requests
res = requests.post(
"https://api.kit.forhosting.com/pdf/searchable-ocr-flag",
headers={"Authorization": f"Bearer {os.environ['KIT_KEY']}"},
json={
"text_layer": [
true,
false,
true,
false
]
},
)
task_id = res.json()["task_id"]<?php
$res = file_get_contents("https://api.kit.forhosting.com/pdf/searchable-ocr-flag", false, stream_context_create([
"http" => [
"method" => "POST",
"header" => "Authorization: Bearer " . getenv("KIT_KEY") . "\r\nContent-Type: application/json",
"content" => '{"text_layer":[true,false,true,false]}',
],
]));
$task = json_decode($res, true);body := bytes.NewBufferString(`{"text_layer":[true,false,true,false]}`)
req, _ := http.NewRequest("POST", "https://api.kit.forhosting.com/pdf/searchable-ocr-flag", body)
req.Header.Set("Authorization", "Bearer "+os.Getenv("KIT_KEY"))
req.Header.Set("Content-Type", "application/json")
res, _ := http.DefaultClient.Do(req)Exemplo de requisição
{
"text_layer": [
true,
false,
true,
false
]
}Exemplo de resposta
{
"task_id": "tsk_a1b2c3d4e5f6a1b2c3d4e5f6",
"type": "pdf.searchable_ocr_flag",
"status": "queued",
"_links": {
"result": "/tasks/tsk_…/result"
}
}A API é assíncrona: cada chamada devolve um task_id na hora. Se preferir polling, consulte o status a até 1 requisição por segundo.
Preço
Preço publicado, sem tokens nem créditos escondidos. Tarefa que falha não é cobrada.
Limites
max_mb | 25 |
max_pages | 200 |
Erros
| HTTP | Código | O que significa |
|---|---|---|
401 | unauthorized | Token ausente ou inválido. Confira o header Authorization. |
402 | insufficient_balance | Saldo insuficiente para esta tarefa. Faça uma recarga e tente de novo. |
404 | unknown_type | Esse tipo de tarefa não existe. Confira o campo type no catálogo. |
429 | rate_limited | Muitas requisições em pouco tempo. Espere um instante e tente de novo. |
Notas técnicas
O que as flags de camada de texto significam e por que o OCR por página importa
Você envia essa lista ordenada de flags booleanas; este endpoint não abre o PDF. true significa que a página é pesquisável e não precisa de OCR; false significa que é só imagem (ou carece de camada de texto) e deve ir para a fila de OCR. A resposta lista needs_ocr_pages e searchable_pages como números de página base um, além de needs_ocr_count, searchable_count, all_need_ocr, all_searchable, ocr_ratio como needs_ocr_count dividido por page_count, um array pages com has_text_layer e needs_ocr por página, e um summary legível para logs e banners de UI.
Contrato de entrada, formato da resposta e erros de lista vazia
Cada entrada deve ser booleana; o solver também aceita os tokens numéricos zero e um e as strings comuns true, false, yes, no, y, n, zero e one, para que exportações CSV ou de formulários possam ser coladas sem conversão prévia. Tokens inválidos em uma página específica falham nomeando o índice de página base um, para você corrigir a sonda que gerou o mapa. Combine esta saída com o seu próprio motor de OCR ou com um produto irmão de OCR de PDF quando estiver pronto para processar só as páginas listadas. Envie um corpo JSON com text_layer, um array não vazio obrigatório de flags de presença por página na ordem do documento. Os aliases pages, flags e has_text são aceitos para o mesmo array. Um array vazio, uma string em branco, um campo ausente ou um valor null falham com invalid_input e uma mensagem que nomeia text_layer e afirma que pelo menos uma flag de página é obrigatória—essas falhas não são cobradas. No sucesso o corpo devolve page_count igual ao comprimento das flags, needs_ocr_pages para cada false, searchable_pages para cada true, as duas contagens, all_need_ocr quando todas as páginas precisam de OCR, all_searchable quando nenhuma precisa, ocr_ratio arredondado a doze casas decimais para testes estáveis entre runtimes, o array detalhado pages e summary. Exemplo: flags true, false, true, false geram page_count quatro, needs_ocr_pages dois e quatro, searchable_pages um e três, needs_ocr_count dois, ocr_ratio zero ponto cinco, e um resumo que afirma que duas de quatro páginas precisam de OCR.
Onde uma API de flags de páginas que precisam de OCR se paga
Mesas de digitalização recebem pastas mistas: exportações digitais nativas intercaladas com scans de mesa plana. Equipes de remediação de acessibilidade precisam de uma lista determinística de páginas que falham nas checagens de texto selecionável, para abrir tickets página a página em vez de no documento inteiro. Mantenha as requisições pequenas, fixe nas testes as listas ordenadas de páginas e você obtém um portão reproduzível entre inventário PDF e gasto com OCR sem montar uma pilha de IA documental só para uma varredura booleana. Um passo de preflight que já mediu a presença de camada de texto pode chamar este endpoint para produzir uma lista de trabalho de números de página para a fila de OCR sem reabrir arquivos de centenas de páginas. Plataformas de busca e e-discovery usam as mesmas flags para decidir se um documento está pronto para indexação ou deve esperar o OCR, e o campo ocr_ratio alimenta painéis de qualidade que medem quanto de cada lote de entrada ainda é só imagem. Como a implementação é parse de nível A, cada chamada bem-sucedida custa o preço base publicado US$ 0,002 sem tokens de modelo e sem rede de saída; validação falha não consome saldo.
Casos de integração
Recepção e prontidão de índice
Decida se um PDF misto está pronto para busca de texto completo ou deve esperar o OCR usando needs_ocr_count e ocr_ratio no seu pipeline.
Perguntas técnicas
Como marco páginas PDF que precisam de OCR?
Envie text_layer como um array não vazio de booleanos na ordem das páginas (true = tem texto extraível, false = precisa de OCR). A API devolve needs_ocr_pages, searchable_pages, contagens, ocr_ratio e um summary.
O que acontece se text_layer estiver vazio?
A tarefa falha com invalid_input. Uma lista de flags vazia ou ausente é rejeitada para que ninguém trate o silêncio como «nenhuma página precisa de OCR». Validação falha não é cobrada.
Quanto custa marcar páginas PDF que precisam de OCR?
A ferramenta do navegador é grátis. Pedidos API usam saldo pré-pago KIT a US$ 0,002 por chamada bem-sucedida; entrada inválida não é cobrada.